Buscar

Agentes Inteligentes (agentes_inteligentes.ppt)

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

*
*
Agentes Inteligentes
Jeneffer Cristine Ferreria Lázaro
Email:jenefferferreira@gmail.com
Baseado no Cap. 2 do livro de Stuart Russel e Peter Norving - “Inteligência Artificial”, 2a ed.
*
*
Agentes
*
*
Agente
Qualquer entidade que perceba (percepção) um ambiente através de sensores, executem tarefas de processamento de informações e de conhecimento, e atue sobre o ambiente através de atuadores.
 
(Russel & Norvig 1995).
*
*
Exemplos de Agentes
Agente humano 
Sensores: 
olhos, ouvidos, olfato, tato, etc.
Atuadores:
 mãos, pernas, boca, etc.
Agente robótico
Sensores:
Câmeras, detectores da faixa de infravermelho e etc.
Atuadores: 
Braços mecânicos, Motores e etc.
Agente Software
Sensores:
sequencias de teclas digitadas, conteúdo de arquivos, pacotes de rede e etc.
Atuadores:
Exibi dados na tela, grava arquivos, envia pacotes de rede e etc.
*
*
Percepção, Sequencia de Percepções e Ações
Percepção: entradas perceptivas do agente em qualquer momento
Sequencia de percepções: história completa de tudo o que o agente já percebeu
A escolha de uma ação de um agente em qualquer instante pode depender da sequencia inteira de percepção até o momento
Uma função agente é o mapeamento de qualquer sequencia possível de percepções para uma ação
Tabela muito grande. Na verdade infinita. A menos que se tenha um limite para o comprimento da sequencia de percepções
*
*
EXEMPLOS
APLICAÇÕES
*
*
Data Mining (Mineração de Dados)
O que é?
análise inteligente visando manipulação automática de quantidades imensas de dados
Larga aplicação nos mais variados ramos da indústria, comércio, medicina, governo, administração, etc.
Integra várias técnicas e tecnologias
Exemplos
Bank of America 
Selecionou entre seus clientes, aqueles com menor risco de dar calotes 
Em três anos o banco lucrou 30 milhões de dólares com a carteira de empréstimos
Fraldas e cervejas
homens casados, entre 25 e 30 anos compravam fraldas e/ou cervejas às sextas-feiras à tarde
Wal-Mart otimizou as gôndolas e o consumo cresceu 30%
*
*
 *
Entretenimento
Diversos tipos de aplicações
histórias interativas
animações em ambientes virtuais
jogos
Requisitos p/ sucesso em jogos
bons níveis de interação
bons níveis de realismo gráfico
Para gerar ilusão de vida é preciso expressar e controlar
personalidade, emoções, atitudes => atores
*
*
Exemplos
*
*
Exemplos
Maxis: SimLife
Fujitsu: Fin Fin
*
*
Robótica
Robôs Médios
Robôs Pequenos
*
*
*
*
Mundo do aspirador de pó
Função do agente: limpar
Ambiente: dois quadrados A e B 
Percepção do agente: em que quadrado ele está e se existe sujeira no quadrado
Ações do agente: mover-se para esquerda, direita, aspirar o pó ou não fazer nada
*
*
Mundo do aspirador de pó
“A escolha da ação de um agente em qualquer dado instante pode depender da sequencia inteira de percepções observadas até o momento”
Tabulação da função do agente:
 O que torna o agente bom ou ruim?
*
*
Agente Básico
*
*
Agente Básico
Entrada: percepção
Saída: ação
Possui: memória do ambiente
Funções:
 Atualiza memória com a percepção
 Escolhe a melhor ação,com base na memória
 Atualiza memória com a ação
Retorna: ação
*
*
Agente Básico
Observações:
Recebe uma entrada por vez.
o agente é quem deve construir a sequencia de percepção, se necessário.
A cada invocação a memória do agente é atualizado para refletir a nova percepção
a melhor ação é escolhida e o fato dela ser executado é incluído na memória.
*
*
Como é um bom agente?
“Um bom agente é aquele que faz tudo certo”
O que significa o agente fazer tudo certo?
 ⇓
Possível abordagem: a ação certa é aquela que fará o agente obter maior sucesso
 ⇓
Necessidade de um método para medir o sucesso!
*
*
Agente Racional
O AGENTE QUE FAZ TUDO CERTO
O que significa fazer TUDO CERTO?
Aquilo que faz o agente ter o maior grau de sucesso
Medida de Desempenho
Algum critério para medir o sucesso do agente
Normalmente tem que ser algo objetivo
Exemplo:
Maximizar a quantidade de sujeira removida por dia, 
Reduzir o consumo de eletricidade, 
Manter o chão limpo por mais tempo.
*
*
Agente Racional
Precisamos de uma forma para “medir” o sucesso
Medidas de desempenho (MD) ->critérios para se medir o sucesso do comportamento do agente
Exemplo de MD para um agente que limpa uma sala:
MD1: quantidade de lixo retiradas X horas de trabalho
MD2: quantidade de lixo retiradas X horas de trabalho descontadas a energia gasta e o nível de ruído produzido 
Regra Geral: a medida de desempenho deve considerar o que se deseja no ambiente, e não de acordo com o comportamento esperado do agente.
*
*
Agente Racional
Racionalidade depende de, pelo menos, quatro itens:
1 - Critério (medida) de desempenho que define o grau de sucesso,
2 - Tudo que o agente percebeu: história (memória) perceptiva
3 - Conhecimento do ambiente ( o que o agente sabe sobre o ambiente)
4 - Ações que o agente pode executar.
*
*
Qual a medida de desempenho do aspirador de pó?
Oferecer premio para cada ambiente limpo
Geografia do ambiente é conhecida a priori
Ações disponíveis: esquerda, direita, aspirar ou NoOP (não fazer nada).
O agente percebe corretamente sua posição e se essa posição contém sujeira.
*
*
Agente racional ideal
Para cada sequencia de percepção possível, um agente racional ideal deve saber se sua ação maximizará sua medida de desempenho, baseado na evidência de sua sequencia de percepção e no conhecimento que ele traz consigo.
*
*
Onisciência, Racionalidade e Perfeição
Racionalidade x Onisciência são diferentes
Onisciência: poder saber os resultados de suas ações antecipadamente e com precisão
Impossível de se atingir na realidade
Racionalidade: maximiza o desempenho esperado
Perfeição: maximiza o desempenho real
Exemplo: Ao atravessar uma rua...
Não podemos condenar um agente que falha por não levar em conta algo que ele não pode perceber ou por uma ação que ele não é capaz de tomar
*
*
Coleta de informações e exploração
Coleta de informações:
A realização de ações com a finalidade de modificar percepções futuras é uma parte importante da racionalidade
Também pode ser a realização de ações para a exploração de um ambiente desconhecido
Exemplo: agente que atravessa a rua sem olhar não é racional
O agente racional deve escolher a ação de olhar antes de realizar a travessia, porque maximiza o desempenho esperado.
*
*
Aprendizagem 
O agente pode ter algum conhecimento anterior
Ele também pode ganhar experiência e modificar e ampliar este conhecimento
Se o ambiente é previamente conhecido:
O agente não precisa aprender ou perceber
Somente agir de forma correta
Mas este tipo de agente se torna muito frágil
*
*
A natureza dos ambientes
1º Passo:
pensar em ambientes de tarefas, para os quais os agentes racionais são as soluções.
Ambientes de tarefas:
Compreendem as seguintes especificações:
Medida de desempenho
Ambiente
Atuadores
Sensores
PEAS: Performance, Environment, Actuators, Sensors
*
*
Exemplo: Agente Motorista de Taxi
*
*
Desempenho
chegar no lugar certo
minimizar o consumo de combustível e desgaste
minimizar o tempo de percurso, custo da viagem
minimizar as infrações de leis de trânsito
minimizar os distúrbios aos outros motoristas
maximizar a segurança e conforto do passageiro
Ambiente
estradas locais ou freeways, tipo de tráfego, chuvas, ...
o ambiente irá determinar a dificuldade da implementação
Atuadores
Frear, acelerar, virar, falar com o passageiro, se comunicar com outros motoristas
Sensores
Sensores de velocidade, aceleração, estado (mecânico) do veículo
GPS (Golbal Positioning System) para saber onde esta num mapa
Sensores infra-vermelhos para detectar
a distância dos outros carros
Microfone ou teclado para o passageiro informar o destino
*
*
Agente - Guarda de Transito 
*
*
Exemplo de Agentes
*
*
Propriedades dos ambientes
*
*
Completamente observável x parcialmente observável
Observável: Sensores têm acesso ao estado completo do ambiente (i.e. os agentes veem tudo).
isto é, observável se os sensores do agente dão a ele acesso ao estado completo do ambiente
Os sensores captam toda informação relevante para a escolha por uma ação.
Não é necessário manter o estado interno (Dispensa histórico).
Parcialmente observável: devido ao ruído e a sensores imprecisos ou porque partes do estado estão simplesmente ausentes nos dados do sensor
Ex.: 
Jogo de xadrez – Observável (acessível) (ambiente)
robô que seleciona peças – parcialmente observável (inacessível)
*
*
Ambiente 
Determinístico x Estocástico
O próximo estado do ambiente é completamente determinado pelo estado corrente em conjunto com a ação executada pelo agente
Próximo estado = estado atual + ações dos agentes.
Devemos dizer se um ambiente é ou não determinístico do ponto de vista de um agente.
Se o ambiente é parcialmente observável (inacessível), pode parecer estocástico.
Ex.: 
Jogo de xadrez – determinístico
robô que seleciona peças – estocástico (não-determinístico)
*
*
Ambiente Episódico x Sequencial 
A experiência dos agentes é dividida em episódios
i.e. pares - percepção-ação.
Cada episódio consiste em o agente perceber e então agir.
A qualidade da ação depende apenas do episódio em si, porque episódios seguintes não dependem da ação dos episódios anteriores.
O Ambiente Episódico é mais simples porque o agente não precisa pensar no futuro.
O ambiente sequencial, a decisão atual poderia afetar todas as decisões futuras
Ex.: 
Jogo de xadrez – sequencial
robô que seleciona peças – episódico
*
*
Ambiente Estático x Dinâmico
Dinâmico: O ambiente pode mudar enquanto o agente processa
Se o ambiente mudar enquanto o agente estiver pensando é dinâmico
Estático é mais fácil
Não precisa se preocupar com o ambiente ou o tempo
É mais simples de lidar porque o agente não precisa monitorar o ambiente enquanto toma uma decisão.
Ex.: 
Jogo de Xadrez sem relógio – estático
robô que seleciona peças – dinâmico
*
*
Ambiente Discreto x Contínuo
Discreto: Se houver um número limitado de percepções e ações distintas e bem definidas 
Contínuo: Percepções e ações mudam em um espectro contínuo de valores.
Ex.: 
Jogo de xadrez – discreto
robô que seleciona peças – contínuo
*
*
Tipos de ambientes
*
*
Exercícios
*
*
Resolva os agentes abaixo de acordo com os seus ambientes de atuação – Utilize o método de PEAS
Robô jogador de futebol
Agente catálogo de compras da Internet.
Tutor de línguas.
Diagnostico médico. 
Assistente de matemático para demonstração de teoremas. 
*
*
Para cada um dos tipos de agentes listados abaixo, caracterize o ambiente de acordo com as propriedades de ambiente dada em sala de aula e explique detalhadamente a propriedade sobre cada agente. 
*
*
Vamos expandir o problema do aspirador de pó. Supondo que o tamanho da sala aumentou e agora o aspirador também pode ir para cima e para baixo. Resolva o problema.
*
*
Referencia
Baseado no Cap. 2 do livro de Stuart Russel e Peter Norving - “Inteligência Artificial”, 2a ed.
*
*
*
*

Teste o Premium para desbloquear

Aproveite todos os benefícios por 3 dias sem pagar! 😉
Já tem cadastro?

Outros materiais